راه پرداخت
رسانه فناوری‌های مالی ایران

بانکداری داده محور مهمترین رکن بانکداری دیجیتال

در حال حاضر صنعت پرداخت یکی از بزرگترین بخش‌های پر مصرف داده در اقتصاد جهانی است. مطالعه IBM نشان می‌دهد که صنعت مالی می‌تواند سریعترین رشد درآمد را از Big Data و Analytics به دست آورد. به همین دلیل، ارزیابی داده‌ها در این بخش بسیار دشوار است

محمدعلی بخشی‌زاده، قائم‌مقام هلدینگ فناوری اطلاعات بانک صادرات / مفهوم بانکداری دیجیتال جای خود را در صنعت بانکداری پیدا کرده است. در نسل دوم بانکداری دیجیتال بانکداری مبتنی‌بر دارایی جای خود را به بانکداری داده محور داده است. در نسل دوم بانکداری دیجیتال ممکن است فردی دارایی زیادی نداشته باشد ولی با توجه به سوابق فعالیت مشتری، داده‌های متنوعی در بانک وجود دارد و بانک‌ها بر اساس تحلیل داده‌های عملکرد شخص رفتار او را جهت توسعه کسب‌وکار رصد می‌کنند.

در این مقطع بانک با آگاهی از این اطلاعات، مشتری را موردحمایت قرار می‌دهد و تسهیلات و سرویس‌های بانکی متنوعی را به او ارائه می‌کند. ازاین‌رو بسیاری از مفاهیمی که در حوزه فین‌تک کاربرد دارد مثل اعتبارسنجی، ابزارهای مدیریت مالی شرکت‌ها، تأمین مالی جمعی و قرض دهی فردبه‌فرد معنادار می‌شود. در بانکداری داده محور بانک‌ها در پی یافتن شریک استراتژیک و وفادار هستند. بانکداری داده محور به بانک‌ها این امکان را می‌دهد که مدل‌ها و محصولات تجاری کاملاً جدیدی بسازند و فرایندهای خود را بهینه کنند.

مقدار داده تولید شده توسط موتورهای جستجو، مبتنی بر وب، تجارت و رسانه‌های اجتماعی با حجم متوسط اضافی داده 2.5 اگزابایت در روز در حال افزایش است (افزایش حجم) و درهر سال حدوداً 20 درصد افزایش پیدا می‌کند. علاوه بر این، این نوع از داده‌ها متنوع‌تر می‌شوند (افزایش تنوع) به عنوان مثال بیش از 1 میلیون تراکنش مشتری در هر ساعت از طریق پایگاه داده‌های Walmart با حجم تقریبی 2.5 پتابایت انجام می‌شود (+).

 اگرچه حجم داده‌ها در فرآیندهای b2b زیاد است، اما تقریباً 70 یا 80 درصد از کل داده‌های جدید توسط مشتریانی تولید می‌شوند که عمدتاً داده‌های بدون ساختار ایجاد می‌کنند. به عنوان مثال فیس‌بوک حدود 50 میلیارد عکس را مدیریت می‌کند و این داده‌های مصرفی غیرساختاری برای بانک‌هایی که در حال حاضر اطلاعات مشتری را در وهله اول از طریق مدیران ارتباط با مشتری جمع‌آوری می‌کنند ارزش زیادی دارد. اکنون، بانک‌ها می‌توانند از داده‌ها به منظور مشتری‌‌سازی بیشتر استفاده کنند که به آنها امکان می‌دهد دانش موجود خود را در زمینه‌هایی مانند رتبه‌بندی اعتباری و غیره افزایش دهند.


استفاده از ارزش واقعی داده‌ها در بانکداری داده محور


با هر پرداخت آنلاین، توییت کردن و مانند آن در رسانه‌های اجتماعی کلیک کردن و ضربه زدن در مرورگر، ما داده تولید می‌کنیم. طبق مطالعه IBM، ما هر روز 2.5 بیت‌ کوینتیلیون داده ایجاد می‌کنیم و این تعداد فقط در هر ثانیه به‌صورت نمایی در حال رشد است. در نسخه هشتم «داده‌ها هرگز نمی‌خوابند»، تخمین زده می‌شود که 40 برابر بایت داده بیشتر از تعداد ستاره‌هایی باشد که می‌توانیم در جهان مشاهده کنیم. علاوه بر این، مطالعه اخیر شرکت بین المللی داده (IDC) نشان داد که درآمد جهانی برای راه حل‌های کلان داده و تجزیه و تحلیل تجاری تا سال 2022 به 274 میلیارد دلار تخمین زده می‌شود، با نرخ رشد سالانه مرکب (CAGR) 13.2 درصد بیش از دوره پیش بینی 2018- 2022 است (+).

با نگاهی به این ارقام، مشخص می‌شود که داده‌ها بزرگ هستند، اما ارزش بالقوه داده‌ها حتی بیشتر است

اجازه دهید داده‌ها تصمیم بگیرند


شرکت‌های فناوری مانند آمازون، اپل، فیس بوک، گوگل و مایکروسافت، پیشگامان Big Data هستند. از زمانی که آنها از طریق روش‌ها و تکنیک‌های کلان داده‌ها مزایای بسیار زیادی کسب کردند، به یکی از با ارزش‌ترین شرکت‌های ذکر شده در جهان تبدیل شدند (+). علاوه بر شرکت‌های فناوری، شرکت‌های Fintech & Regtech و neobanks با محصولات و خدمات دیجیتالی خود آینده خدمات مالی را شکل می‌دهند. تخمین زده می‌شود که ارزش بازار fintech در سراسر جهان با نرخ رشد سالانه 24.8٪ تا سال 2022 به 309.98 میلیارد دلاربرسد.

در چشم‌انداز جدید بانکداری داده محور، داده‌های بزرگ را با هوش مصنوعی، یادگیری ماشین‌ها، بلاکچین و سایر فناوری‌ها ترکیب می‌کنند تا مزیت رقابتی. بدست آورند. به عنوان مثال، الگوریتم‌های جدیدی به نام شبکه‌های عصبی پیچشی CNN یا ConvNet وجود دارد که مبتنی بر نحوه تفکر و عملکرد افراد است. آن‌ها می‌توانند الگوهای رفتاری مشتری را بیاموزند و در صورت قانونی بودن یا تقلب در معامله قضاوت کنند.

این امر ضمن کاهش هزینه‌های عملیاتی، به آنها یک مزیت بزرگ در مبارزه با کلاهبرداری و جرائم اینترنتی می‌دهد. همچنین داده‌ها در بسیاری از صنایع دیگر از مراقبت‌های بهداشتی و دولتی گرفته تا بیمه و خدمات مالی بیشتر مورد توجه قرار گرفته‌اند. با توجه به ارزش بالقوه داده‌های امروزی، جای تعجب نیست که بسیاری از داده‌ها را «نفت جدید» اقتصاد قرن 21 می‌نامند.

در حال حاضر صنعت پرداخت یکی از بزرگترین بخش‌های پر مصرف داده در اقتصاد جهانی است. مطالعه IBM نشان می‌دهد که صنعت مالی می‌تواند سریعترین رشد درآمد را از Big Data و Analytics به دست آورد. به همین دلیل، ارزیابی داده‌ها در این بخش بسیار دشوار است.


استفاده از ابزارهای نوآورانه فناوری اطلاعات برای تجزیه و تحلیل Big Data


بر خلاف برنامه‌های سنتی ذخیره‌سازی داده که بر روی سیستم‌های مدیریت پایگاه داده رابطه‌ای همراه با آمار دسکتاپ و ابزار تجسمی کار می‌کنند، بانکداری داده محور مبتنی بر همگرایی فناوری‌های مختلف به عنوان یک فعال‌کننده اصلی است.

  • دسته اصلی این فناوری شامل داده‌های حسگر، جغرافیایی و سایر داده‌های ایجاد شده توسط برنامه‌ها به عنوان بخشی از «اینترنت اشیا» (به عنوان مثال برنامه‌های تلفن‌های هوشمند مانند Google Maps و غیره) است.
  • دسته دوم شامل برنامه‌هایی برای جستجوی داده‌های غیر ساختاری، مانند جستجو کردن ویدئو یا صوت است.
  • سوم، ابزارهای تجزیه و تحلیل احساسات و تجزیه و تحلیل‌های پیش بینی شده قادر به تجزیه و تحلیل معنایی متن بدون ساختار به عنوان مثال از رسانه‌های اجتماعی و شناسایی الگوها هستند.
  • چهارم، با استفاده از فناوری‌های زمان واقعی، مانند شرکت‌های محاسباتی کوانتومی یا حافظه می‌توانند حجم عظیمی از داده‌ها را تقریباً در زمان واقعی یا نزدیک تحلیل کنند.
  • سرانجام، فناوری ابری، مانند محاسبات شبکه مبتنی بر ابر، توان محاسباتی توزیع شده و برنامه‌های کاربردی در بین شرکت‌های مختلف، بانک‌ها را قادر می‌سازد تا از انواع مختلف فناوری با سرعت بیشتری استفاده کنند. نقش پشتیبانی از فناوری هایی مانند ذخیره‌سازی، یکپارچه‌سازی، تجسم و امنیت حاصل می‌شود.

فرضیه‌های بانکداری داده محور


بانکداری داده محور، عامل بهبود کارایی، تعامل با مشتری و توسعه خدمات و مدلهای جدید تجاری است که این منجر به فرضیه‌های زیر می‌شود:

سؤالات کلیدی برای مدیران عاملفرضیه‌ها
در کدام یک از فرایندهای عملیاتی، بانکداری داده محور می‌تواند هزینه‌ها را کاهش دهد و کدام داده‌ها برای دستیابی به این هدف لازم است؟بانکداری داده محور به بانک‌ها اجازه می‌دهد تا هزینه در فرآیندهای عملیاتی را به دلیل بهبود شفافیت و تصمیم‌گیری بهتر کاهش دهند.
کدام داده‌های مشتری خارجی را می‌توان جمع آوری و استفاده کرد؟ چگونه می‌توان این داده‌ها را با داده‌های داخلی ترکیب کرد و کدام سرویس‌های جدید را می‌توان توسعه داد؟بانکداری داده محور به بانک‌ها این امکان را می‌دهد اطلاعات بیشتری در مورد مشتریان خود جمع‌آوری کنند، کیفیت آنها را بهبود بخشیده و خدمات جدید را توسعه دهند.
کدام یک از مدل‌های جدید تجاری را می‌توان از رویکردهای بانکی مبتنی بر داده توسعه داد و چگونه بانک‌ها می‌توانند به عنوان واسطه داده تبدیل شوند؟بانکداری داده محور به بانک‌ها امکان ساخت مدل‌های جدید تجاری و تبدیل شدن به کارگزاران داده را می‌دهد.

کاربردهای بانکداری داده محور در صنعت پرداخت


  • انطباق نظارتی

رگولاتورها با مقررات جدید بانک‌ها را به چالش می‌کشند (بازل III، FRTB. MliFID II، AML / KYC، FATCA و غیره). آن‌ها از بانک‌ها می‌خواهند داده‌های شفاف و جزئی ارائه دهند عدم تطابق بانک‌ها منجر به ریسک بالا و جریمه می‌شود

  • افزایش مشتری به دلیل هوشمندی و کشف تقلب

با توجه به افزایش تعداد کانال‌ها و فناوری‌های تعامل، بانک‌ها برای جلوگیری از کلاهبرداری و جرائم مالی باید امنیت سایبری را تضمین کنند. داده‌ها فرصتی عالی برای داشتن احراز هویت و نمایه‌سازی بهتر مبتنی‌بر ریسک است

  •  کاهش هزینه‌های عملیاتی

حاشیه سود به دلیل افزایش رقابت و نرخ بهره کم در بخش مالی در حال کاهش است بنابراین بانک‌ها راه حل‌های رباتیک و هوش مصنوعی را برای کاهش هزینه‌های عملیاتی و افزایش بازده تجاری به طور همزمان اجرا می‌کنند. داده‌های بزرگ اطلاعاتی را برای بهره‌مندی از این راه حل‌ها ارائه می‌دهد.

  • تحولات فناوری و استفاده از Big Data

ظهور اینترنت اشیا (lOT)، API های باز و تکنیک‌های جدید احراز هویت پیشرفته، مقدار داده ورودی مورد پردازش را افزایش می‌دهد. در هکتار دیگر، آخرین پیشرفت‌های فناوری، مانند یادگیری ماشین، راه حل‌های ابری، تجزیه و تحلیل پیشرفته به دانش عمیق از داده‌های پیچیده کمک می‌کند منظره‌ای از صنعت مالی.

  • تغییر رفتارها و انتظارات مشتری

مشتریان از طریق کانال‌های دیجیتال با بانک‌های خود در تعامل هستند و انتظار دارند تجربه مشتری مداری بیشتری در چندین کانال و خدمات شخصی‌تری داشته باشند. داده‌های ایجاد شده توسط تعامل دیجیتال باید برای جبران کاهش تعامل مشتری به دلیل از دست دادن تعامل شخصی استفاده شود. یکی از کاربردهای داده در صنعت پرداخت بحث تحلیل جریان ورودی‌های یک مشتری در ماه و آنالیز رفتار او در خرج کردن است. تطابق این داده‌ها با ترمینال‌های خروجی می‌تواند داده‌های بسیار ذی قیمت برای کسب‌وکارهای دیگر ایجاد کند و بانک می‌تواند از تحلیل الگوهای رفتاری با سایر کسب‌وکارها مشارکت کنند.

  • رشد درآمد

توانایی جمع‌آوری و تجزیه و تحلیل داده‌های بی‌درنگ به بانک‌ها کمک می‌کند تا دید 360 درجه‌ای از روند رفتار مشتری، کارایی فرآیند داخلی و روند بازار داشته باشند. این به بانک‌ها کمک می‌کند تا فرصت‌های شغلی (جدید) را شناسایی کرده و مشتریان جدید را حفظ و به دست آورند. و این، یک مزیت رقابتی بحساب می‌آید.

  • بهبود کارایی

داده‌ها بانک‌ها را قادر می‌سازد تا فرایندهای داخلی را با کمک یادگیری ماشین، هوش مصنوعی و رباتیک بهینه و ساده کنند. در نتیجه، بانک‌ها می‌توانند عملکرد را افزایش دهند و هزینه‌های عملیاتی را کاهش دهند. همچنین بانک‌ها از کانال‌های آنلاین و آفلاین برای بهبود افزایش مشتری به طور کارآمد استفاده می‌کنند.

  • بهبود مدیریت ریسک

بانک‌ها قادر خواهند بود با اطمینان از داده‌های معتبری که توسط نهادهای نظارتی مورد نیاز است، خطرات انطباق را به حداقل برسانند. آن‌ها پروفایل‌های ریسک مشتری را توسعه می‌دهند و به منظور ارتقا کشف تقلب و بهبود مدیریت اعتبار، ارزیابی می‌کنند. بانک‌ها و شرکت‌های ارائه‌کننده کارت اعتباری، برای ارزیابی ریسک بالقوه اعطای وام به مشتریان و همچنین کاهش زیان ناشی از عدم بازپرداخت وام، از امتیاز اعتباری استفاده می‌کنند. وام دهندگان از امتیاز اعتباری برای تشخیص اینکه چه کسی واجد شرایط اعطای وام است، با چه نرخ بهره‌ای و چه مقدار اعتبار، استفاده می‌کنند (+).

  • ایجاد تعاملات هوشمندانه

بانک‌ها باید اولویت مشتری را درک کنند تا از طریق داده‌ها تجربیات جدید ایجاد کنند. این ابتکار بانک‌ها را قادر می‌سازد با ارائه خدمات در زمان واقعی برای ایجاد مشارکت، مشتری خود را به حداکثر برسانند و مشتری جدیدی را جذب کنند. به عنوان مثال، برنامه تلفن همراه «Splurge Alert Ally Bank» با شناسایی از طریق موقعیت جغرافیایی از انجام برخی هزینه‌ها به مشتریان جلوگیری می‌کند. این برنامه به مصرف کنندگان کمک می‌کند تا عادت‌های خود را بهتر مدیریت کرده و امور مالی شخصی خود را کنترل کنند.

  • تولید محصولات بومی دیجیتال

بانک‌ها در حال تحول دیجیتال برای تولید محصولات دوستانه دیجیتال هستند. محصولات بومی دیجیتال را می‌توان با مدرن‌سازی زیرساخت‌ها و همکاری با ارائه‌دهندگان شخص ثالث از طریق مدل‌های معماری باز با استفاده از cloud ایجاد کرد. این در نهایت به کاهش قیمت محصولات کمک خواهد کرد. به عنوان مثال، بانک اسپانیایی BBVA از این طرز تفکر برای ایجاد Valora استفاده کرده است، تجربه خرید خانه از پایان به پایان که هزینه مصرف کننده نهایی و بانک را کاهش می‌دهد.


جمع‌بندی و نتیجه‌گیری


بانک‌ها می‌توانند با استفاده از داده‌ها مدل عملیاتی خود را از «یک مشاور FS معتمد» به یکی از ارکسترها که از طریق همکاری با شرکایی مانند fintech و شرکت‌های نوپا برای تقویت محصولات خود توسعه می‌دهند، تکامل دهند. همچنین شامل باز کردن رابط‌های برنامه نویسی برنامه (API) به توسعه دهندگان شخص ثالث برای ایجاد خدمات جدید در سیستم عامل‌های بانکی است. سرانجام، ممکن است روزی بانک‌ها به یک مدل «اکوسیستم در GAFA» تبدیل شوند که در آن محصولات مالی و خدمات دیجیتال از طریق GAFA و سایر سیستم عامل‌های خرده فروشی به طور مستقیم به مشتریان فروخته می‌شوند (+).

برای تبدیل شدن به یک بانک داده محور پنج قانون طلایی پشنهاد داده می‌شود:

  • ابتدا به موارد استفاده خود و سپس به فناوری مورد نیاز خود بیندیشید. مدل داده محور خود را بر اساس هدف شغلی خود بسازید.
  • برای پشتیبانی از استراتژی کلی خود، یک واحد تحقق ارزش ایجاد کنید. موارد استفاده را شناسایی کرده و نقشه راه را در اولویت قرار دهید.
  • هنگام ایجاد قابلیت‌های هوشمند سیستم عامل داده، از موارد خاص استفاده کنید، زیرا در هنگام استفاده از روش چابک به آنها نیاز است. زمان ساخت یک معماری داده کاملاً جدید گذشته است.
  • اطمینان حاصل کنید که رویکرد چابک با استراتژی کلی مطابقت دارد. از دیدگاه فناوری، مرجع طراحی ملزم به اطمینان از ایجاد کلیه بلوک‌های ساختمانی معماری با آینده بانک و چشم‌انداز فناوری داده‌های هدف خواهد بود.
  • مدل سازمان خود را در موارد استفاده تغییر دهید. موارد استفاده را به عنوان محرک تحول داخلی پیاده‌سازی کنید.

بانک‌ها می‌توانند با آینده‌نگری درست، به هسته اصلی سیستم‌های داده محور تبدیل شوند و محرک اصلی تغییرات فرهنگی باشند.

ارسال یک پاسخ

آدرس ایمیل شما منتشر نخواهد شد.